d1 è il modello decisionale ospitato di Liquid AI per attività vincolate di classificazione, instradamento e assegnazione di punteggi. Questo profilo copre il suo flusso decisionale testuale: fornisci le prove come stato, definisci una o più domande e ricevi risposte numeriche tipizzate su esiti noti. Liquid descrive queste decisioni come valutazioni che restituiscono direttamente probabilità, con zero token di output generati. Il risultato utile è una decisione definita e la sua incertezza, non un nuovo brano di testo composto.
Fornisci il testo che rende possibile la decisione, compreso il contesto necessario per interpretarlo. Mantieni lo stato separato dalle istruzioni che descrivono cosa valutare. Un messaggio di assistenza può richiedere la descrizione di un prodotto o di un problema; un passaggio di documento può richiedere la domanda di ricerca dell'utente. Definisci l'insieme delle risposte prima di porre la domanda e assegna a ogni opzione un significato adatto al flusso di lavoro previsto. Etichette brevi possono fungere da chiavi di output stabili, mentre le descrizioni spiegano i confini tra di esse.
Usa domande denominate su uno stato condiviso. Un nome chiaro come intent, urgency o relevant mantiene l'output associato alla decisione che rappresenta. Ad esempio, un messaggio che segnala il mancato funzionamento di una pagina può supportare una scelta di intento, una rubrica di urgenza e una verifica sì/no di un difetto segnalato. Ogni domanda deve conservare il proprio criterio invece di combinare tutti e tre i giudizi in un'unica etichetta ambigua.
Una domanda di scelta seleziona un'etichetta da un insieme non ordinato e restituisce la distribuzione tra le opzioni denominate. Definisci le opzioni tramite le descrizioni dei criteri; il risultato include la scelta selezionata, le probabilità e la confidenza. Per l'organizzazione dei documenti, definisci le possibili cartelle o argomenti e specifica quale contenuto appartiene a ciascuno. Per l'instradamento delle richieste, descrivi le destinazioni che esistono realmente. Un'applicazione può usare l'etichetta risultante per scegliere il passo successivo, conservando le probabilità concorrenti per la revisione.
Un'attività di archiviazione illustrativa può separare una domanda sul prodotto, un problema di integrazione e un problema di accesso, con un'opzione other per il materiale che esula da queste definizioni. Mantieni i confini concreti: un messaggio di chi non riesce ad autenticarsi è diverso da uno che chiede come configurare una funzionalità. L'etichetta restituita seleziona tra significati forniti; non crea una destinazione mancante né esegue una modifica in un altro sistema.
Una domanda noul restituisce una probabilità da 0 a 1 che la condizione sì/no definita sia soddisfatta. Liquid mostra verifiche binarie per la revisione dei contenuti e la pertinenza dei passaggi. Formula la condizione con precisione e scegli come verrà usata la probabilità risultante: segnalare una probabile corrispondenza, filtrare un passaggio o inviare un caso incerto alla revisione. La soglia dipende dall'attività che utilizza il risultato, e una probabilità non va trattata come un verdetto fattuale garantito.
Per il filtraggio per pertinenza, fornisci sia la query sia il passaggio candidato. Chiedi se quel passaggio aiuta a rispondere alla query, quindi conserva il passaggio originale con la sua probabilità. Ciò può supportare la selezione del materiale di origine per una risposta successiva, senza chiedere a d1 di comporre quella risposta. Se la pertinenza richiede più gradi anziché una condizione sì/no, definisci una rubrica ordinata e usa una domanda di punteggio.
Una domanda di punteggio colloca lo stato su una rubrica con livelli ordinati e descritti. Gli indici dei livelli partono da 0 e il punteggio è la loro posizione ponderata per probabilità, che può cadere tra due livelli. Il risultato include anche la distribuzione sui livelli e la confidenza. Per l'urgenza, definisci che cosa separa un problema senza impatto immediato, un disagio significativo e un'attività bloccata. Una rubrica a quattro livelli ha quindi indici da 0 a 3; il suo punteggio atteso non corrisponde automaticamente a una categoria numerata da 1 a 4.
Usa il punteggio frazionario per ordinare o aggregare quando è questo il risultato desiderato, e conserva l'intera distribuzione quando l'ambiguità è rilevante. Categorie come i reparti non hanno un ordine naturale e appartengono a una domanda di scelta. La confidenza riassume quanto sia netta la risposta riportata nell'interfaccia documentata; deve restare distinta dal punteggio desiderato dell'attività e da una presunta garanzia che la decisione sia corretta.
Più domande possono valutare lo stesso stato in un'unica chiamata al produttore, ciascuna mantenendo il proprio tipo e le proprie probabilità. Gli esempi testuali di Liquid includono il filtraggio dei ticket di assistenza, l'archiviazione dei documenti in una tassonomia di cartelle, la selezione dei percorsi per la ricerca nel codice, la scelta tra le azioni disponibili per un agente e la decisione su quale materiale dell'output degli strumenti conservare. Tutti questi flussi hanno una decisione successiva vincolata. Una fase di ricerca nel codice può selezionare una cartella promettente in base alle sue descrizioni; una fase di selezione dei contenuti può scegliere keep, trim o drop per il materiale fornito. L'applicazione circostante continua a ottenere i dati di origine e a eseguire l'operazione selezionata.
Le primitive documentate sono adatte a esiti noti, valutazioni su rubrica e verifiche di condizione. Nuova prosa, riepiloghi, codice e una conversazione aperta richiedono un flusso di generazione, che il risultato decisionale di d1 non implica. Prepara una domanda basata su prove osservabili e conserva le definizioni di quella domanda insieme all'output, così che un'etichetta o un punteggio possano essere interpretati in seguito.
Mantieni ogni stato concentrato sulle prove che rispondono alle domande definite e separa le attività decisionali non correlate, in modo che i loro criteri restino chiari. Mantieni pertinente il materiale di origine, definisci significati di ripiego per una copertura incompleta delle categorie e valuta le soglie di probabilità usando esempi etichettati dell'attività. Un artefatto utile registra la categoria selezionata o il punteggio atteso insieme alla sua distribuzione, all'identità della domanda e alle prove originali.
", "aboutText": "d1 è il modello decisionale ospitato di Liquid AI per attività vincolate di classificazione, instradamento e assegnazione di punteggi. Questo profilo copre il suo flusso decisionale testuale: fornisci le prove come stato, definisci una o più domande e ricevi risposte numeriche tipizzate su esiti noti. Liquid descrive queste decisioni come valutazioni che restituiscono direttamente probabilità, con zero token di output generati. Il risultato utile è una decisione definita e la sua incertezza, non un nuovo brano di testo composto.\n\n### Prepara insieme le prove e la domanda\n\nFornisci il testo che rende possibile la decisione, compreso il contesto necessario per interpretarlo. Mantieni lo stato separato dalle istruzioni che descrivono cosa valutare. Un messaggio di assistenza può richiedere la descrizione di un prodotto o di un problema; un passaggio di documento può richiedere la domanda di ricerca dell'utente. Definisci l'insieme delle risposte prima di porre la domanda e assegna a ogni opzione un significato adatto al flusso di lavoro previsto. Etichette brevi possono fungere da chiavi di output stabili, mentre le descrizioni spiegano i confini tra di esse.\n\nUsa domande denominate su uno stato condiviso. Un nome chiaro come intent, urgency o relevant mantiene l'output associato alla decisione che rappresenta. Ad esempio, un messaggio che segnala il mancato funzionamento di una pagina può supportare una scelta di intento, una rubrica di urgenza e una verifica sì/no di un difetto segnalato. Ogni domanda deve conservare il proprio criterio invece di combinare tutti e tre i giudizi in un'unica etichetta ambigua.\n\n### Domande di scelta per categorie e instradamento\n\nUna domanda di scelta seleziona un'etichetta da un insieme non ordinato e restituisce la distribuzione tra le opzioni denominate. Definisci le opzioni tramite le descrizioni dei criteri; il risultato include la scelta selezionata, le probabilità e la confidenza. Per l'organizzazione dei documenti, definisci le possibili cartelle o argomenti e specifica quale contenuto appartiene a ciascuno. Per l'instradamento delle richieste, descrivi le destinazioni che esistono realmente. Un'applicazione può usare l'etichetta risultante per scegliere il passo successivo, conservando le probabilità concorrenti per la revisione.\n\nUn'attività di archiviazione illustrativa può separare una domanda sul prodotto, un problema di integrazione e un problema di accesso, con un'opzione other per il materiale che esula da queste definizioni. Mantieni i confini concreti: un messaggio di chi non riesce ad autenticarsi è diverso da uno che chiede come configurare una funzionalità. L'etichetta restituita seleziona tra significati forniti; non crea una destinazione mancante né esegue una modifica in un altro sistema.\n\n### Domande noul per verifiche di condizione e pertinenza\n\nUna domanda noul restituisce una probabilità da 0 a 1 che la condizione sì/no definita sia soddisfatta. Liquid mostra verifiche binarie per la revisione dei contenuti e la pertinenza dei passaggi. Formula la condizione con precisione e scegli come verrà usata la probabilità risultante: segnalare una probabile corrispondenza, filtrare un passaggio o inviare un caso incerto alla revisione. La soglia dipende dall'attività che utilizza il risultato, e una probabilità non va trattata come un verdetto fattuale garantito.\n\nPer il filtraggio per pertinenza, fornisci sia la query sia il passaggio candidato. Chiedi se quel passaggio aiuta a rispondere alla query, quindi conserva il passaggio originale con la sua probabilità. Ciò può supportare la selezione del materiale di origine per una risposta successiva, senza chiedere a d1 di comporre quella risposta. Se la pertinenza richiede più gradi anziché una condizione sì/no, definisci una rubrica ordinata e usa una domanda di punteggio.\n\n### Domande di punteggio per livelli ordinati\n\nUna domanda di punteggio colloca lo stato su una rubrica con livelli ordinati e descritti. Gli indici dei livelli partono da 0 e il punteggio è la loro posizione ponderata per probabilità, che può cadere tra due livelli. Il risultato include anche la distribuzione sui livelli e la confidenza. Per l'urgenza, definisci che cosa separa un problema senza impatto immediato, un disagio significativo e un'attività bloccata. Una rubrica a quattro livelli ha quindi indici da 0 a 3; il suo punteggio atteso non corrisponde automaticamente a una categoria numerata da 1 a 4.\n\nUsa il punteggio frazionario per ordinare o aggregare quando è questo il risultato desiderato, e conserva l'intera distribuzione quando l'ambiguità è rilevante. Categorie come i reparti non hanno un ordine naturale e appartengono a una domanda di scelta. La confidenza riassume quanto sia netta la risposta riportata nell'interfaccia documentata; deve restare distinta dal punteggio desiderato dell'attività e da una presunta garanzia che la decisione sia corretta.\n\n### Domande multiple e applicazioni del produttore\n\nPiù domande possono valutare lo stesso stato in un'unica chiamata al produttore, ciascuna mantenendo il proprio tipo e le proprie probabilità. Gli esempi testuali di Liquid includono il filtraggio dei ticket di assistenza, l'archiviazione dei documenti in una tassonomia di cartelle, la selezione dei percorsi per la ricerca nel codice, la scelta tra le azioni disponibili per un agente e la decisione su quale materiale dell'output degli strumenti conservare. Tutti questi flussi hanno una decisione successiva vincolata. Una fase di ricerca nel codice può selezionare una cartella promettente in base alle sue descrizioni; una fase di selezione dei contenuti può scegliere keep, trim o drop per il materiale fornito. L'applicazione circostante continua a ottenere i dati di origine e a eseguire l'operazione selezionata.\n\n### Ambito e un artefatto decisionale utile\n\nLe primitive documentate sono adatte a esiti noti, valutazioni su rubrica e verifiche di condizione. Nuova prosa, riepiloghi, codice e una conversazione aperta richiedono un flusso di generazione, che il risultato decisionale di d1 non implica. Prepara una domanda basata su prove osservabili e conserva le definizioni di quella domanda insieme all'output, così che un'etichetta o un punteggio possano essere interpretati in seguito.\n\nMantieni ogni stato concentrato sulle prove che rispondono alle domande definite e separa le attività decisionali non correlate, in modo che i loro criteri restino chiari. Mantieni pertinente il materiale di origine, definisci significati di ripiego per una copertura incompleta delle categorie e valuta le soglie di probabilità usando esempi etichettati dell'attività. Un artefatto utile registra la categoria selezionata o il punteggio atteso insieme alla sua distribuzione, all'identità della domanda e alle prove originali.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "a56ad578890b80d4a4185be3e48cb344a98fef6383977180cec188547bf6226b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "liquid/d1Il flusso decisionale testuale di Liquid AI d1 valuta le prove fornite rispetto a esiti predefiniti e restituisce probabilità, una scelta di categoria o un punteggio su una rubrica. Supporta classificazione, instradamento, filtraggio per pertinenza e definizione delle priorità senza generare una risposta scritta.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
d1 è il modello decisionale ospitato di Liquid AI per attività vincolate di classificazione, instradamento e assegnazione di punteggi. Questo profilo copre il suo flusso decisionale testuale: fornisci le prove come stato, definisci una o più domande e ricevi risposte numeriche tipizzate su esiti noti. Liquid descrive queste decisioni come valutazioni che restituiscono direttamente probabilità, con zero token di output generati. Il risultato utile è una decisione definita e la sua incertezza, non un nuovo brano di testo composto.
Fornisci il testo che rende possibile la decisione, compreso il contesto necessario per interpretarlo. Mantieni lo stato separato dalle istruzioni che descrivono cosa valutare. Un messaggio di assistenza può richiedere la descrizione di un prodotto o di un problema; un passaggio di documento può richiedere la domanda di ricerca dell'utente. Definisci l'insieme delle risposte prima di porre la domanda e assegna a ogni opzione un significato adatto al flusso di lavoro previsto. Etichette brevi possono fungere da chiavi di output stabili, mentre le descrizioni spiegano i confini tra di esse.
Usa domande denominate su uno stato condiviso. Un nome chiaro come intent, urgency o relevant mantiene l'output associato alla decisione che rappresenta. Ad esempio, un messaggio che segnala il mancato funzionamento di una pagina può supportare una scelta di intento, una rubrica di urgenza e una verifica sì/no di un difetto segnalato. Ogni domanda deve conservare il proprio criterio invece di combinare tutti e tre i giudizi in un'unica etichetta ambigua.
Una domanda di scelta seleziona un'etichetta da un insieme non ordinato e restituisce la distribuzione tra le opzioni denominate. Definisci le opzioni tramite le descrizioni dei criteri; il risultato include la scelta selezionata, le probabilità e la confidenza. Per l'organizzazione dei documenti, definisci le possibili cartelle o argomenti e specifica quale contenuto appartiene a ciascuno. Per l'instradamento delle richieste, descrivi le destinazioni che esistono realmente. Un'applicazione può usare l'etichetta risultante per scegliere il passo successivo, conservando le probabilità concorrenti per la revisione.
Un'attività di archiviazione illustrativa può separare una domanda sul prodotto, un problema di integrazione e un problema di accesso, con un'opzione other per il materiale che esula da queste definizioni. Mantieni i confini concreti: un messaggio di chi non riesce ad autenticarsi è diverso da uno che chiede come configurare una funzionalità. L'etichetta restituita seleziona tra significati forniti; non crea una destinazione mancante né esegue una modifica in un altro sistema.
Una domanda noul restituisce una probabilità da 0 a 1 che la condizione sì/no definita sia soddisfatta. Liquid mostra verifiche binarie per la revisione dei contenuti e la pertinenza dei passaggi. Formula la condizione con precisione e scegli come verrà usata la probabilità risultante: segnalare una probabile corrispondenza, filtrare un passaggio o inviare un caso incerto alla revisione. La soglia dipende dall'attività che utilizza il risultato, e una probabilità non va trattata come un verdetto fattuale garantito.
Per il filtraggio per pertinenza, fornisci sia la query sia il passaggio candidato. Chiedi se quel passaggio aiuta a rispondere alla query, quindi conserva il passaggio originale con la sua probabilità. Ciò può supportare la selezione del materiale di origine per una risposta successiva, senza chiedere a d1 di comporre quella risposta. Se la pertinenza richiede più gradi anziché una condizione sì/no, definisci una rubrica ordinata e usa una domanda di punteggio.
Una domanda di punteggio colloca lo stato su una rubrica con livelli ordinati e descritti. Gli indici dei livelli partono da 0 e il punteggio è la loro posizione ponderata per probabilità, che può cadere tra due livelli. Il risultato include anche la distribuzione sui livelli e la confidenza. Per l'urgenza, definisci che cosa separa un problema senza impatto immediato, un disagio significativo e un'attività bloccata. Una rubrica a quattro livelli ha quindi indici da 0 a 3; il suo punteggio atteso non corrisponde automaticamente a una categoria numerata da 1 a 4.
Usa il punteggio frazionario per ordinare o aggregare quando è questo il risultato desiderato, e conserva l'intera distribuzione quando l'ambiguità è rilevante. Categorie come i reparti non hanno un ordine naturale e appartengono a una domanda di scelta. La confidenza riassume quanto sia netta la risposta riportata nell'interfaccia documentata; deve restare distinta dal punteggio desiderato dell'attività e da una presunta garanzia che la decisione sia corretta.
Più domande possono valutare lo stesso stato in un'unica chiamata al produttore, ciascuna mantenendo il proprio tipo e le proprie probabilità. Gli esempi testuali di Liquid includono il filtraggio dei ticket di assistenza, l'archiviazione dei documenti in una tassonomia di cartelle, la selezione dei percorsi per la ricerca nel codice, la scelta tra le azioni disponibili per un agente e la decisione su quale materiale dell'output degli strumenti conservare. Tutti questi flussi hanno una decisione successiva vincolata. Una fase di ricerca nel codice può selezionare una cartella promettente in base alle sue descrizioni; una fase di selezione dei contenuti può scegliere keep, trim o drop per il materiale fornito. L'applicazione circostante continua a ottenere i dati di origine e a eseguire l'operazione selezionata.
Le primitive documentate sono adatte a esiti noti, valutazioni su rubrica e verifiche di condizione. Nuova prosa, riepiloghi, codice e una conversazione aperta richiedono un flusso di generazione, che il risultato decisionale di d1 non implica. Prepara una domanda basata su prove osservabili e conserva le definizioni di quella domanda insieme all'output, così che un'etichetta o un punteggio possano essere interpretati in seguito.
Mantieni ogni stato concentrato sulle prove che rispondono alle domande definite e separa le attività decisionali non correlate, in modo che i loro criteri restino chiari. Mantieni pertinente il materiale di origine, definisci significati di ripiego per una copertura incompleta delle categorie e valuta le soglie di probabilità usando esempi etichettati dell'attività. Un artefatto utile registra la categoria selezionata o il punteggio atteso insieme alla sua distribuzione, all'identità della domanda e alle prove originali.
POST /v1/systemonetextdecisions| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti liquid/d1 | Predefinito— |
Campoprovider | Tiposchema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoquestions | Tipoobject | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Camposession_id | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campostate | Tiposchema | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campotrace | Tiposchema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campouser | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campoquestions.<id>.type | Tipostring | RequisitoObbligatorio | Valori e limiti noul, choice, score | Predefinito— |
Campoquestions.<id>.instructions | Tipostring|object|array | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campoquestions.<id>.criteria | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Condizioni: choice/score: obbligatori; noul: facoltativo. I criteri di choice sono un oggetto; score è un array con minItems1. | Predefinito— |
Campoquestions.<id>.criteria.true | Tipostring|object|array | RequisitoObbligatorio | Valori e limiti Si applica quando: Oggetto criteria noul fornito | Predefinito— |
Campoquestions.<id>.criteria.false | Tipostring|object|array | RequisitoObbligatorio | Valori e limiti Si applica quando: Oggetto criteria noul fornito | Predefinito— |
noul · Obbligatorio: state, questions.<id>.type=noul, questions.<id>.instructions
choice · Obbligatorio: state, questions.<id>.type=choice, questions.<id>.instructions, criteria object
score · Obbligatorio: state, questions.<id>.type=score, questions.<id>.instructions, criteria array with minItems1
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, state, questions |
Parametromaterial_types | Contrattotext |
Parametrooptional_controls | Contrattoprovider, session_id, trace, user |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous
Invia l'ID esatto del modello e conserva l'intera risposta nativa.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.00008 / 1K token Output · Token in output $0 / 1K token Input · Lettura dalla cache $0.00008 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.00008 / 1K token Output · Token in output $0 / 1K token Input · Lettura dalla cache $0.00008 / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "liquid/d1",\n "questions": {\n "is_bug": {\n "criteria": {\n "false": "The customer is asking a question or requesting a feature.",\n "true": "The customer describes broken or unexpected product behavior."\n },\n "instructions": "Is the customer reporting a software defect?",\n "type": "noul"\n },\n "team": {\n "criteria": {\n "account": "Login, permissions, or profile issues.",\n "frontend": "Rendering, layout, or browser compatibility issues.",\n "payments": "Checkout, billing, or payment processing issues."\n },\n "instructions": "Which team should own this ticket?",\n "type": "choice"\n },\n "urgency": {\n "criteria": [\n "Can wait for the next release",\n "Should be fixed this week",\n "Blocking revenue right now"\n ],\n "instructions": "How urgent is this ticket?",\n "type": "score"\n }\n },\n "state": {\n "customer_tier": "enterprise",\n "ticket": "My checkout page shows a blank screen after I click Pay. I have tried two browsers."\n }\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_REQUEST_FILE:?Set your actual JSON request file}"\nexport AILOOT_REQUEST_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads(Path(os.environ['AILOOT_REQUEST_FILE']).read_text(encoding='utf-8'))\nif not isinstance(p,dict): raise SystemExit('Request must be a JSON object')\np['model']='liquid/d1'\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path('result.json').read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\njson
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Viene conservata ogni risposta associata all'ID della domanda fornito, con il tipo esatto, il valore noul/choice/score, la confidenza, le probabilità e la legenda. L'intero JSON originale viene memorizzato e restituito solo dopo il conguaglio dell'addebito.
Conserva l'operazione originale e la risposta completa o parziale; non ripetere POST.
| Campo | Tipo |
|---|---|
Campomodel | Tipostring |
Campoid | Tipostring |
Campoprovider | Tipostring |
Campoanswers.<id>.type | Tipostring |
Campoanswers.<id>.noul | Tiponumber |
Campoanswers.<id>.choice | Tipostring |
Campoanswers.<id>.score | Tiponumber |
Campoanswers.<id>.confidence | Tiponumber |
Campoanswers.<id>.probabilities | Tipoobject |
Campoanswers.<id>.legend | Tipoobject |
Campousage.input_tokens | Tipointeger |
Campousage.output_tokens | Tipointeger |
Campousage.cost | Tiponumber |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampo obbligatorio, rappresentazione o valore non valido | Passaggio successivoCorreggi il campo della richiesta indicato. |
Ailoot Ultra liquid/d1
Usa i percorsi dei metodi indicati sopra.